Annotation Data Analysis

Current date and time: 2022-01-07 22:08:36

Networkx version: 2.6.3

1. Reading data

>> Number of annotated documents: 8650

{'_id': ObjectId('61d781deeb9f2580612672b4'),
 'approach': '[1]-[S]-[conj_LNK]-[S]-[PUNCT]',
 'argumentID': '4-17181-1-1',
 'claim': {'entities': [],
           'nouns': ['arboles'],
           'text': 'Que se planten los arboles que se puedan y sean '
                   'convenientes'},
 'commentID': 17181,
 'linker': {'category': 'CONTRAST',
            'linker': 'pero',
            'relationType': 'attack',
            'subCategory': 'OPPOSITION'},
 'mainVerb': 'planten',
 'majorClaim': {'entities': [], 'nouns': [], 'text': ''},
 'parentID': -1,
 'premise': {'entities': [],
             'nouns': ['madrileno'],
             'text': 'no uno por cada madrileno'},
 'proposalID': 4,
 'sentence': 'Que se planten los arboles que se puedan y sean convenientes, '
             'pero no uno por cada madrileno.',
 'syntacticTree': '(sentence\n'
                  '  (S\n'
                  '    (conj (SCONJ Que))\n'
                  '    (morfema.pronominal (PRON se))\n'
                  '    (grup.verb (VERB planten))\n'
                  '    (sn\n'
                  '      (spec (DET los))\n'
                  '      (grup.nom (NOUN arboles)\n'
                  '        (S\n'
                  '          (relatiu (PRON que))\n'
                  '          (S\n'
                  '            (morfema.pronominal (PRON se))\n'
                  '            (grup.verb (AUX puedan)))\n'
                  '          (conj (CCONJ y))\n'
                  '          (S\n'
                  '            (grup.verb (AUX sean))\n'
                  '            (s.a\n'
                  '              (grup.a (ADJ convenientes)))))))\n'
                  '    (PUNCT ,))\n'
                  '  (conj (CCONJ pero))\n'
                  '  (S\n'
                  '    (neg (ADV no))\n'
                  '    (sn\n'
                  '      (grup.nom (PRON uno)))\n'
                  '    (sp\n'
                  '      (prep (ADP por))\n'
                  '      (sn\n'
                  '        (spec (DET cada))\n'
                  '        (grup.nom (NOUN madrileno)))))\n'
                  '  (PUNCT .))\n',
 'userID': 9806}

2. Data processing

2.1. Summary of proposals and comments

Number of arguments in the proposals: 1640
Number of arguments in the comments: 7010
Number of comments with replies: 2365 , % share: 0.34

2.2. Argumentative sentence patterns

	pattern	level	freq
0	[S]-[conj_LNK]-[S]-[PUNCT]	1	3191
1	[sn]-[grup.verb]-[sn]-[sp_LNK]	1	553
2	[grup.verb]-[sn]-[sp_LNK]-[PUNCT]	1	428
3	[grup.verb]-[sn]-[sp_LNK]	2	350
4	[sn]-[grup.verb]-[sp_LNK]-[PUNCT]	1	322
5	[S]-[conj_LNK]-[S]	1	292
6	[sn]-[grup.verb]-[sn]-[sp_LNK]-[PUNCT]	1	233
7	[sn]-[grup.verb]-[sp_LNK]	2	223
8	[grup.verb]-[sn]-[sp_LNK]-[sn]	1	194
9	[sn]-[grup.verb]-[sn]-[sp_LNK]	2	163
10	[grup.verb]-[sn]-[S_LNK]-[PUNCT]	1	157
11	[S]-[PUNCT]-[S_LNK]-[PUNCT]	1	141
12	[sn]-[grup.verb]-[S_LNK]-[PUNCT]	1	114
13	[grup.verb]-[sn]-[sp_LNK]	1	103
14	[sn]-[grup.verb]-[sn]-[S_LNK]-[PUNCT]	1	102
15	[S]-[conj_LNK]-[S]-[PUNCT]-[S]-[PUNCT]	1	95
16	[sn]-[grup.verb]-[sp_LNK]-[S]-[PUNCT]	1	81
17	[S]-[conj_LNK]-[S]-[conj]-[S]-[PUNCT]	1	70
18	[S]-[conj_LNK]-[S]-[grup.nom]	1	53
19	[sn]-[grup.verb]-[sp_LNK]-[PUNCT]	2	53
20	[S]-[conj_LNK]-[S]-[S]-[PUNCT]	1	47
21	[sp]-[grup.verb]-[sn]-[sp_LNK]-[PUNCT]	1	45
22	[sn]-[neg]-[grup.verb]-[sp_LNK]-[PUNCT]	1	43
23	[sn]-[grup.verb]-[sp_LNK]-[sp]-[PUNCT]	1	39
24	[neg]-[grup.verb]-[sn]-[sp_LNK]	2	36

	level	frequency	% share
0	1	339	55.76
1	2	209	34.38
2	4	19	3.12
3	3	13	2.14
4	5	9	1.48
5	6	5	0.82
6	7	5	0.82
7	9	3	0.49
8	8	2	0.33
9	10	2	0.33
10	11	1	0.16
11	21	1	0.16

2.3. Number of arguments per proposal

	proposal	arguments_num	proposal_w_arg	% share	nouns	entities	linkers
0	pid-1419	168	False	1.94	{'bici': 66, 'propuesta': 62, 'manera': 40, 'f...	{'Madrid': 7, 'Amsterdam': 4, 'ciclista': 4, '...	{'pero': 69, 'para': 62, 'por': 11, 'porque': ...
1	pid-965	78	False	0.90	{'sindicatos': 11, 'iglesia': 7, 'impuesto': 6...	{'IBI': 16, 'Iglesia': 5, 'Estado': 3, 'ONG': ...	{'pero': 28, 'por': 14, 'como': 11, 'para': 9,...
2	pid-15711	64	False	0.74	{'millones': 16, 'barrio': 12, 'euros': 11, 'p...	{'Ayuntamiento': 8, 'Valdebebas': 4, 'FelipeVI...	{'pero': 23, 'para': 14, 'por': 12, 'como': 4,...
3	pid-20389	56	True	0.65	{'arboles': 21, 'calle': 8, 'tambien': 7, 'vez...	{'Madrid': 8, 'Arborizacion': 1, 'https://deci...	{'pero': 37, 'para': 11, 'por': 3, 'como': 2, ...
4	pid-1085	50	False	0.58	{'perros': 20, 'perro': 7, 'pipi-can': 6, 'ver...	{'https://decide.madrid.es/proposals/117': 6, ...	{'pero': 22, 'para': 9, 'por': 6, 'como': 5, '...
5	pid-64	49	False	0.57	{'perros': 13, 'propuesta': 9, 'pipi-can': 8, ...	{'https://decide.madrid.es/proposals/117': 6, ...	{'pero': 25, 'para': 12, 'como': 4, 'porque': ...
6	pid-22742	41	False	0.47	{'gente': 82, 'firmas': 16, 'recogida': 16, 'v...	{'Berlin': 1, 'Londres': 1, 'Lachavi': 1, 'Gre...	{'para': 20, 'pero': 16, 'si': 2, 'porque': 1,...
7	pid-7	34	False	0.39	{'calles': 10, 'ciudadanos': 6, 'limpieza': 5,...	{'Madrid': 5, 'Usera': 1, 'principal': 1, 'Sal...	{'pero': 18, 'para': 7, 'si': 3, 'porque': 3, ...
8	pid-615	33	False	0.38	{'ciclistas': 10, 'ciclista': 8, 'coche': 7, '...	{'ciclista': 8, 'Espana': 1, 'Ayuntamiento': 1...	{'pero': 17, 'por': 7, 'sino': 3, 'para': 2, '...
9	pid-2538	28	True	0.32	{'perros': 9, 'perro': 8, 'tasa': 5, 'duenos':...	{'Madrid': 2, 'guardia': 2, 'http://www.20minu...	{'pero': 15, 'por': 7, 'para': 4, 'como': 2}
10	pid-20657	27	False	0.31	{'ciudad': 6, 'derecho': 6, 'precio': 5, 'piso...	{'Madrid': 3, 'Usera': 1, 'https://decide.madr...	{'pero': 9, 'para': 9, 'como': 3, 'por': 3, 's...
11	pid-19914	25	False	0.29	{'q': 6, 'flores': 4, 'compra': 4, 'casa': 3, ...	{'Ayuntamiento': 1, 'Juzgado': 1, 'Ensanche': ...	{'pero': 13, 'por': 5, 'para': 3, 'si': 2, 'co...
12	pid-23219	25	False	0.29	{'rio': 7, 'gente': 6, 'k': 6, 'deporte': 5, '...	{'Madrid': 3, 'Manzanares': 2, 'Accion': 1, 'h...	{'pero': 11, 'para': 8, 'por': 3, 'si': 2, 'po...
13	pid-50	23	False	0.27	{'bici': 9, 'trafico': 7, 'carril': 4, 'trabaj...	{'Castellana': 2, 'ciclista': 2, 'https://deci...	{'pero': 10, 'por': 6, 'para': 4, 'porque': 1,...
14	pid-152	21	False	0.24	{'anos': 9, 'paneles': 6, 'propuesta': 4, 'agu...	{'Madrid': 3, 'Ayuntamiento': 1, 'SIRENA': 1, ...	{'pero': 14, 'para': 3, 'sino': 2, 'ya que': 1...
15	pid-8189	21	True	0.24	{'calle': 5, 'duenos': 4, 'perros': 4, 'perro'...	{'Madrid': 1, 'COLILLAS': 1, 'Espana': 1, 'Bra...	{'pero': 10, 'por': 3, 'para': 3, 'como': 2, '...
16	pid-1266	18	False	0.21	{'taxis': 4, 'coches': 4, 'semana': 4, 'zonas'...	{'APR': 2, 'Madrid': 2, 'AhoraMadrid': 1, 'Cen...	{'pero': 14, 'para': 2, 'porque': 1, 'sino': 1}
17	pid-4274	18	True	0.21	{'perro': 7, 'cacas': 5, 'perros': 5, 'impuest...	{'Madrid': 2, 'HORTALEZA': 1, 'SantaSusana': 1...	{'pero': 8, 'por': 6, 'como': 1, 'si': 1, 'par...
18	pid-19024	17	False	0.20	{'basura': 3, 'sistema': 3, 'ayuntamiento': 2,...	{'Vbb': 1, 'Insalubre': 1, 'General': 1, 'Plan...	{'por': 5, 'pero': 5, 'como': 2, 'para': 2, 'e...
19	pid-24954	17	False	0.20	{'taxi': 4, 'condiciones': 2, 'ley': 2, 'servi...	{'Madrid': 1, 'VTC': 1, 'conductor': 1}	{'pero': 5, 'para': 5, 'por': 4, 'si': 1, 'por...
20	pid-13814	16	False	0.18	{'peatones': 5, 'zonas': 4, 'aceras': 3, 'prop...	{'Gongora': 1}	{'pero': 10, 'para': 4, 'sino': 1, 'porque': 1}
21	pid-19170	16	False	0.18	{'cuerpo': 7, 'personas': 7, 'operaciones': 6,...	{'SS': 2, 'Yola': 1, 'dentista': 1}	{'pero': 12, 'sino': 1, 'por': 1, 'como': 1, '...
22	pid-26787	16	False	0.18	{'contaminacion': 3, 'apoyo': 3, 'proyecto': 3...	{'Madrid': 3, 'MadridCentral': 2, 'Carmena': 2...	{'pero': 12, 'para': 3, 'mientras': 1}
23	pid-2524	15	True	0.17	{'mujeres': 3, 'anos': 3, 'personas': 2, 'suge...	{'Oporto': 2, 'Madrid': 2}	{'pero': 4, 'para': 3, 'porque': 3, 'si': 2, '...
24	pid-24978	15	False	0.17	{'ley': 5, 'pais': 3, 'precio': 2, 'taxi': 2, ...	{'laDemocracia': 1, 'VTCs': 1}	{'para': 7, 'pero': 4, 'si': 2, 'sino': 1, 'po...

2.4. Most used categories

	category	frequency
3	CONTRAST	4080
2	CONSEQUENCE	3535
0	CAUSE	665
4	ELABORATION	356
1	CLARIFICATION	14

2.5. Most common sub-categories

	category	subCategory	frequency
9	CONTRAST	OPPOSITION	3956
4	CONSEQUENCE	GOAL	3516
1	CAUSE	REASON	374
11	ELABORATION	SIMILARITY	352
0	CAUSE	CONDITION	291
7	CONTRAST	COMPARISON	67
8	CONTRAST	CONCESSION	41
5	CONSEQUENCE	RESULT	19
6	CONTRAST	ALTERNATIVE	16
3	CLARIFICATION	RESTATEMENT	13

2.6. Most used linkers by category

	category	subCategory	linker	frequency
31	CONTRAST	OPPOSITION	pero	3714
17	CONSEQUENCE	GOAL	para	2037
18	CONSEQUENCE	GOAL	por	1479
37	ELABORATION	SIMILARITY	como	349
0	CAUSE	CONDITION	si	281
33	CONTRAST	OPPOSITION	sino	224
9	CAUSE	REASON	porque	193
24	CONTRAST	COMPARISON	mientras	66
13	CAUSE	REASON	ya que	65
26	CONTRAST	CONCESSION	aunque	37
8	CAUSE	REASON	mediante	37
5	CAUSE	REASON	debido a	20
19	CONSEQUENCE	RESULT	asi	19
10	CAUSE	REASON	pues	15
12	CAUSE	REASON	segun	15
2	CAUSE	REASON	a traves de	12
28	CONTRAST	OPPOSITION	en contra de	11
1	CAUSE	CONDITION	siempre que	10
15	CLARIFICATION	RESTATEMENT	es decir	7
20	CONTRAST	ALTERNATIVE	en lugar de	6
22	CONTRAST	ALTERNATIVE	mas que	6
16	CLARIFICATION	RESTATEMENT	o sea	6
11	CAUSE	REASON	puesto que	6
7	CAUSE	REASON	gracias a	5
21	CONTRAST	ALTERNATIVE	en vez de	4
25	CONTRAST	CONCESSION	a pesar de	3
36	ELABORATION	SIMILARITY	al igual que	3
4	CAUSE	REASON	de acuerdo a	3
29	CONTRAST	OPPOSITION	en contra del	3
30	CONTRAST	OPPOSITION	excepto	3
34	ELABORATION	ADDITION	aparte	2
3	CAUSE	REASON	dado que	2
35	ELABORATION	ADDITION	fuera de	2
23	CONTRAST	COMPARISON	al tiempo	1
6	CAUSE	REASON	en base a	1
27	CONTRAST	CONCESSION	pese a	1
32	CONTRAST	OPPOSITION	sin embargo	1
14	CLARIFICATION	EXEMPLIFICATION	tal como	1

2.7. Most used linkers by relation type

	relationType	linker	frequency
5	attack	pero	3714
25	support	para	2037
26	support	por	1479
15	support	como	349
9	qualifier	si	281
8	attack	sino	224
27	support	porque	193
37	support/attack	mientras	66
32	support	ya que	65
23	support	mediante	37

2.8. Most common entities

	entities	frequency	% share
0	Madrid	484	8.47
1	https://decide.madrid.es/proposals/...	462	8.08
2	https://decide.madrid.es/proposals/...	196	3.43
3	Ayuntamiento	134	2.34
4	https://decide.madrid.es/proposals/...	52	0.91
5	Espana	50	0.87
6	https://decide.madrid.es/proposals/...	50	0.87
7	https://decide.madrid.es/proposals/...	46	0.80
8	Metro	44	0.77
9	general	41	0.72

2.9. Most common aspects

	aspects	frequency	% share
0	propuesta	1459	3.65
1	perros	406	1.02
2	gente	347	0.87
3	tambien	344	0.86
4	calle	314	0.79
5	ciudad	284	0.71
6	zona	280	0.70
7	barrio	267	0.67
8	acuerdo	267	0.67
9	personas	245	0.61

2.10. Most common main verbs

	main verbs	frequency	% share
0	interesa	528	6.48
1	propongo	251	3.08
2	parece	201	2.47
3	tiene	162	1.99
4	creo	162	1.99
5	tenemos	102	1.25
6	hacer	100	1.23
7	entiendo	91	1.12
8	crear	88	1.08
9	tienen	76	0.93

3. Network analysis

3.1. Processing network data

Total edge list: 55
[('p20389-c181192', 3), ('p20389-c151201', 2), ('p20389-c180641', 2), ('c180944-c181081', 2), ('p20389-c181110', 2), ('p20389-c181115', 2), ('c181256-c181733', 2), ('p20389-c175850', 1), ('p20389-c179236', 1), ('p20389-c180625', 1)]

3.2. Analyzing the network structure

n_nodes: 53 , n_edges: 47
graph density: 0.017053701015965168

3.2.1. Adjacency matrix

matrix([[0, 2, 1, ..., 1, 1, 1],
        [0, 0, 0, ..., 0, 0, 0],
        [0, 0, 0, ..., 0, 0, 0],
        ...,
        [0, 0, 0, ..., 0, 0, 0],
        [0, 0, 0, ..., 0, 0, 0],
        [0, 0, 0, ..., 0, 0, 0]], dtype=int32)

3.2.2. Incidence matrix

matrix([[1., 1., 1., ..., 0., 0., 0.],
        [1., 0., 0., ..., 0., 0., 0.],
        [0., 1., 0., ..., 0., 0., 0.],
        ...,
        [0., 0., 0., ..., 0., 0., 0.],
        [0., 0., 0., ..., 0., 0., 0.],
        [0., 0., 0., ..., 0., 0., 0.]])

3.2.3. Longest path

Find the longest path in a Directed Acyclic Graph (DAG).

Root node ix: 0

Longest path size: 4
['p20389-c151201-c181174-c181259']

> root
  {'claim': Sembrar arboles nativos de la region de Madrid}
  {'linker': 'para', 'category': 'CONSEQUENCE', 'subCategory': 'GOAL', 'relationType': 'support'}
  {'premise' mejorar la calidad del aire , mantener un estilo de vida natural y mejorar la estetica urbana con seres vivos}
> reply
  {'claim': Mas de 230 arboles en tres semanas , con la excusa de que son muy peligrosos y se nos van a caer encima}
  {'linker': 'pero', 'category': 'CONTRAST', 'subCategory': 'OPPOSITION', 'relationType': 'attack'}
  {'premise' , cuando empezaron a talar , solo 4 de los 230 estaban huecos por dentro}
> reply
  {'claim': Si al menos los que talan los restituyen por otros mas jovenes}
  {'linker': 'pero', 'category': 'CONTRAST', 'subCategory': 'OPPOSITION', 'relationType': 'attack'}
  {'premise' no es asi}
> reply
  {'claim': Cuando un arbol viejo se cae sobre la gente es una catastrofe}
  {'linker': 'pero', 'category': 'CONTRAST', 'subCategory': 'OPPOSITION', 'relationType': 'attack'}
  {'premise' sabemos que durante anos no se ha controlado el cuidado de los arboles}

3.3. Plotting Directed Weighted Graph

Argumentation network between proposals and comments.

---

« Back to the repository.